AI NEWS.ccAI正在发生 未来正在更新
♡ 我的收藏 0
AI NEWS · 模型情报站发现能力边界，让每一次选择更有依据 ↗基础档案先收录 · 缺失资料持续补齐
THE AI MODEL DIRECTORY 模型探索，从这里开始

找到适合你的 AI 模型。

从语言到影像，从开源到 API。读懂模型能力、比较真实成本，
为你的下一个想法，找到合适的智能引擎。

热门探索
84,991 款模型档案13202 家厂商 / 发布者45 个能力分类465 款有可比报价 · 30 款有公开评测
T文本生成▧图像生成▷视频生成⌘代码生成◖语音合成♫音乐生成⬡3D 建模▤文档分析
DISCOVER & COMPARE

探索 AI 模型 8

为你发现值得关注的模型

opendecider-nano

manjunathshiva

**Open, calibrated System 1 decision model.** Give it a **state** (text, email, ticket or JSON) and **typed questions** (`choice`, `score`, `noul`); it returns a calibrated probability for every option in a single forward pass: **17 ms on an NVIDIA L40S, 18 ms on an Apple M4 Max, ~9 ms per question batched**. ~400M parameters, Apache-2.0. It never generates text, so there is nothing to parse and nothing to hallucinate. **Ahead of Laya like for like on typed-decisions: 0.796**, against 0.766 for Laya's typed-decisions checkpoint (+0.030, 95% CI +0.014 to +0.044), both fine-tuned on its train split. TypeSafe Jev scores 0.754 there zero-shot (measured through TypeSafe's own API): a reference, not a head-to-head. **Documentation: manjunathshiva.github.io/opendecider**: getting started, choosing a model, guides for serving, LM Studio, Ollama and vLLM and automating the confident decisions, plus the Python and HTTP API reference.

译文排队中 · 当前显示来源原文

分类待补充
输入 待核验→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗
来源 / 文档 ↗

GGUF builds of OpenDecider-small, the 4B OpenDecider decision model, for **LM Studio**, **Ollama** and anything else built on llama.cpp. Best for decisions it has never seen: the best general accuracy and calibration of the 4B models (zero-shot on typed-decisions). A decision model answers typed questions (`choice`, `score`, yes/no) about any text or JSON with a probability for every option, instead of generating text. The opendecider package builds the exact prompt the model was trained on and reads the option probabilities from the server's token log-probabilities. On typed-decisions (2,000 questions), the Q8_0 build gives the same top answer as the full-precision model on 1,975 (98.8%), at the same accuracy: Measured through Ollama's llama.cpp engine; LM Studio runs the same engine and returned identical log-probabilities on the same file. **Q8_0 is the recommended file**; Q4_K_M is for machines with little memory.

译文排队中 · 当前显示来源原文

分类待补充
输入 待核验→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗
来源 / 文档 ↗

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

基础资料已收录 · 缺失资料后续补充

分类待补充
输入 待核验→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗
来源 / 文档 ↗
COST EXPLORER

好模型，也要算好成本。

费用分析

调整月度 Token 用量，直观比较不同模型的预估 API 开支。

1 M = 100 万 Token · 美元计价
仅比较同一渠道的基础文本 Token 报价

使用已采集且单位可比的 USD / 百万 Token 渠道报价。报价为采集时快照；不计缓存优惠、阶梯价、推理额外输出与税费，请以来源的当前报价为准。

MODEL HANDBOOK

读懂模型，再做选择

选型与常见问题
API 价格应该怎么比较？+

先区分输入、输出和缓存价格，再使用同一任务和用量估算总费用。图像、音频和视频可能按张、时长或分辨率计费，不能直接与 Token 单价比较。

开放权重，就代表可以免费商用吗？+

不一定。必须逐一核对具体模型版本的许可证、商用限制及使用政策。自己部署还需要考虑显存、推理资源和运维费用。

排行榜第一，就是最适合我的模型吗？+

榜单取决于测试任务、版本与评测方法。建议用实际业务样本比较准确性、时延、稳定性和成本，再选择模型。

AI NEWS · 从信息到选择

资讯看趋势，工具提效率，模型筑可能。

探索 AI 资讯 ↗发现 AI 工具 ↗